Mesterséges intelligencia, magyarul.
Az eredeti közleményekből.

A műholdképek pontosabbá tehetik a háborús konfliktusok elemzését

2026. szeptember 11. 12:04Forrás: EPFL News
A műholdképek pontosabbá tehetik a háborús konfliktusok elemzését
Kép: EPFL News

A műholdfelvételek és a szöveges források együttes elemzése pontosabb képet adhat a fegyveres konfliktusok következményeiről. Az EPFL, az ETH Zurich és a Zürichi Egyetem kutatói szerint ez a humanitárius szervezetek munkáját is segítheti a nehezen megközelíthető térségekben.

A lényeg röviden
  • A műholdfelvételek segíthetnek a háborús károk és a népességváltozások felmérésében.
  • A kutatók a műholdas és szöveges adatokat három megközelítéssel kapcsolták össze.
  • Az ukrajnai elemzés több épületkárt mutatott ki az orosz erők által elfoglalt területeken.
  • Mianmarban a műholdadatok a rohingja otthonok későbbi lerombolását is feltárták.
  • Az eredmények a humanitárius szervezetek felméréseit és választervezését segíthetik.

A műholdak olyan területekről is adatot adhatnak, ahová veszélyes eljutni

A fegyveres konfliktusok emberéleteket követelnek, infrastruktúrát rombolnak le, és emberek tömegeit kényszerítik lakóhelyük elhagyására. A háborúk következményei ezért évekkel később is érezhetők. A kutatók ezeket a hatásokat gyakran szöveges, egyedi erőszakos cselekményeket rögzítő adatbázisok alapján vizsgálják, amelyek sokszor sajtóbeszámolókból származnak.

Ezek a nyilvántartások azonban hiányosak lehetnek, mivel az események dokumentálásához tanúkra vagy újságírókra van szükség. A Nature folyóiratban megjelent tanulmány szerint a műholdadatok segíthetnek a hiányzó információk pótlásában. A nagy felbontású, gyakran készített műholdfelvételek alapján felmérhető az épületekben keletkezett kár, követhetők a népesség változásai, és nagy területeken is vizsgálható az infrastruktúra állapota.

Háromféleképpen kapcsolhatók össze az adatok

A kutatás három megközelítést különít el a műholdas és más típusú adatok összekapcsolására: a javítást, a kiegészítést és az összeolvasztást. A különböző adatforrások együttes használata lehetővé teheti, hogy az egyik forrás gazdagítsa a másikat, vagy hogy mesterséges intelligencia elemezzen több forrást egyszerre.

Devis Tuia, az EPFL Környezeti Számítástudományi és Földmegfigyelési Laboratóriumának vezetője és a tanulmány társszerzője szerint a mesterséges intelligencia segítségével az adatok közötti összefüggések is feltárhatók. Példaként az etnikai hovatartozás, az épülettípusok és a célpontválasztási stratégiák közötti kapcsolatokat említi.

A kutatók ukrajnai és mianmari esettanulmányokon tesztelték az adatintegrációs modelleket. Ukrajnában a megrongálódott épületekről készült műholdas megfigyeléseket olyan szöveges adatokkal vetették össze, amelyek a területi ellenőrzés időbeli változását rögzítették. Elemzésük szerint az orosz erők által elfoglalt területeken jelentősen több épületben keletkezett kár, mint azokon a területeken, amelyeket később Ukrajna visszafoglalt.

Mianmarban a pusztítás későbbi szakasza is láthatóvá vált

A kutatás szerint az adatok kombinálása olyan erőszakos cselekmények feltárásában is segíthet, amelyek más módon dokumentálatlanok maradnának. A mianmari esettanulmányban a műholdadatok azt mutatták meg, hogy a rohingja otthonainak célzott lerombolása a tömeggyilkosságok befejezése után is folytatódott.

Corinne Bara, a tanulmány egyik társszerzője szerint a műholdas adatok ezt a későbbi szakaszt is láthatóvá teszik. A kutatók ugyanakkor hangsúlyozzák, hogy a műholdak önmagukban nem képesek teljes képet adni. A konfliktusövezetekben kevés ellenőrző adat áll rendelkezésre, egyes eseményeket pedig az űrből nehéz vagy lehetetlen észlelni.

A humanitárius szervezetek a szükségletek felmérését is előre hozhatják

A kutatók azt remélik, hogy módszerük a nemzetközi szervezetek számára is hasznos lesz. A műholdas adatok megmutathatják, hol és milyen mértékben változnak a helyszíni körülmények, míg a terepi jelentések és a helyi információk segíthetnek értelmezni, mit jelentenek ezek a változások az érintett emberek számára.

Klaus Schönenberger, az EPFL EssentialTech Centre igazgatója szerint a különálló jelek intelligens összekapcsolása lehetővé teheti a humanitárius szervezetek számára, hogy rangsorolják a felméréseket, előre jelezzék a szükségleteket, és már azelőtt megkezdjék a válaszlépések tervezését, hogy biztonságosan elérhetnék az érintett térséget.

A kutatás az Engineering Humanitarian Action kezdeményezés részeként készült, amely az EPFL, az ETH Zurich és a Vöröskereszt Nemzetközi Bizottságának közös programja. A tanulmányt az Innosuisse finanszírozta.

Kapcsolódó hírek

Az Apple kutatása szerint a kevesebb gépezet többet érhet az AI-ügynököknél
Kutatás2026. október 1.

Az Apple kutatása szerint a kevesebb gépezet többet érhet az AI-ügynököknél

Az összetett, több ügynököt és külön keresőmodulokat használó gépi tanulási mérnöki rendszerek nem bizonyultak jobbnak egy egyszerű kódoló ügynöknél azonos időkeret és…

Az Apple kutatása szerint kevésbé számít az ügynökök körítése
Kutatás2026. október 1.

Az Apple kutatása szerint kevésbé számít az ügynökök körítése

Az Apple kutatói szerint a gépi tanulási feladatokra fejlesztett ügynököknél az alapul szolgáló nagy nyelvi modell teljesítménye fontosabb lehet az ügynök köré épített…

Az EPFL AI-modellje térképre helyezi a daganatok szöveteit
Kutatás2026. augusztus 10. 07:00

Az EPFL AI-modellje térképre helyezi a daganatok szöveteit

Az EPFL kutatói olyan mesterségesintelligencia-modellt fejlesztettek, amely különböző daganattípusok szöveteit elemzi és hasonlítható reprezentációvá alakítja. A VirTues…